智慧矿山安全管理大数据平台建设--中国期刊网

字体：大中小

首页> 原创作品> 正文

智慧矿山安全管理大数据平台建设

发表时间：2020/10/14 来源：《基层建设》2020年第19期作者：贾白玲

[导读] 摘要：结合煤矿信息化建设的现状，针对现有数据岛的智慧和矿山建设过程中难以实现有效的信息融合问题，本文对智能矿山建设中涉及的数据采集、存储与管理技术、风险指标体系建设技术、可视化分析与显示技术、综合预测与预警关键技术、视频智能分析技术等进行了探讨，为智能矿山建设提供了新的参考。

        身份证号码：41032219821109xxxx
        摘要：结合煤矿信息化建设的现状，针对现有数据岛的智慧和矿山建设过程中难以实现有效的信息融合问题，本文对智能矿山建设中涉及的数据采集、存储与管理技术、风险指标体系建设技术、可视化分析与显示技术、综合预测与预警关键技术、视频智能分析技术等进行了探讨，为智能矿山建设提供了新的参考。
        关键词：智慧矿山；安全管理；大数据平台；建设
        1、煤矿安全控制平台建设的瓶颈
        1.1 满足数据采集的多样性
        基于海量数据挖掘的煤矿安全评价是实施准确的煤矿安全控制措施的基础。煤矿生产数据类型主要包括基础数据、安全管理与运营投资数据、物联网感知数据、外部数据等。煤矿静态数据主要包括煤矿基本信息、安全管理数据和经营投资数据。煤矿动态物联网感知数据主要是指感知设备在生产过程中采集到的设备运行状况、环境参数等数据。这类数据属于行业大数据，具有时间跨度大、位置相关性强、增长速度快的特点。外部数据是指与企业生产活动和产品发布有关的外部信息，主要来源于互联网数据，如企业舆情、天气、市场预测、行业评价等。
        1.2 适应煤矿生产大数据的特点
        煤矿大数据具有量大、值密度低、增长速度快、可靠性低等特点。巨大的数据量：煤矿企业在生产过程中产生连续的动态数据，如气体监测数据、机电设备运行数据，根据运动轨迹跟踪号码我人员和视频监视控制图等各种类型的数据，同时，煤矿安全监察部门多年来积累了大量的数据和执法监督；数据类型多种多样：结构化数据，如瓦斯监测数据、井数、煤产量等。有半结构化和非结构化数据，如照片、监控视频流、音频文件、规范性文件、应急预案等，且比例不断增加；数据值密度低：各类井下监测设备和传感器实时运行，连续监测井下生产环境和设备运行状态，数据量大，无中断，真实值数据所占比例较小。数据快速增长：物联网和工业自动化系统在煤矿安全生产管理中得到广泛应用，覆盖的子系统越来越多。每个系统24小时连续运行产生大量数据，使得数据量持续快速增长。如何解决数据可访问性问题，确保收集到真实有效的数据，是平台建设的基础。
        1. 3 整合全方位的数据和信息
        煤矿大数据还具有不同来源数据间相互相关和自相关的特点。它能从海量关联复杂的数据中挖掘潜在知识，获得分析过去、感知现在、预测未来的深度智慧，从而实现风险预警和智能研究判断的最终目标。经过多年的信息技术在煤矿中的应用，生成大量的结构化数据和非结构化数据，包括矿山地质调查数据、环境监测和控制数据基于气体和一氧化碳，生产自动化监控数据、矿图数据、GIS数据和监控视频图像数据等。结构化数据约占5%，也是技术人员重点分析的数据。异构格式的绝大多数半结构化和非结构化数据仍未得到开发和利用。大数据分析技术可以从更多角度感知和预测事故的发生，真正实现安全管理门户的向前移动，比传统的事故分析更有意义。然而，全方位数据信息的智能感知与融合分析是一个急需解决的关键问题。
        2、智能煤矿安全控制平台体系结构
        智能煤矿建设的基础是煤矿生产过程中对大量数据的存储和分析，传统的IT架构难以满足对海量数据进行分类存储和实时读取分析的要求。传统的IT建设模式是通过自建服务器搭建平台，存在成本高、安全性差、扩展性差、效率低、资源分散、维护困难等问题。它采用传统模式建立大数据平台，特点是大量的初始投资，浪费资源，缺乏灾难恢复备份，没有庞大的资源池，不易扩张，建设周期长，缓慢的在线业务，分散/烟囱类型，无法共享数据资源，维护成本高。煤矿安全智能管控平台实现了从传统IT模式向云平台大数据模式的转变。

期刊文章分类查询,尽在期刊图书馆

基于“云”的煤矿安全控制系统的构建可以很好地解决传统模式带来的问题。“云”大数据平台具有成本低、安全性好、易扩展、效率高、资源共享、免维护的优势。基础资源可按需使用，无需推进建设，降低门槛，提高投资效率。专业的维护团队，专业的安全系统，分布式存储，远程备灾；可提供多种解决方案的资源池，依托专网或互联网，便于扩展；人工智能算法和数据分析的计算能力和效率得到了极大的提高。
        3、煤矿安全智能控制平台的关键技术
        3.1 基于云的数据采集、存储和治理技术
        云计算是传统计算机与分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡、热备份冗余等网络技术融合的产物，实现了从资源到架构的整体弹性。云平台为上层应用提供各种虚拟资源，包括虚拟主机、云存储、数据库服务、网络服务和集群服务。煤矿海容量数据的存储应根据数据类型采用关系数据库、实时数据库和分析数据库，并根据使用频率对热数据、暖数据和冷数据进行规划和维护。针对海量数据中存在的数据质量不高，如数据精度低、数据干扰过多等问题，数据治理成为一项非常重要的工作。数据治理主要包括元数据管理、数据规则制定、质量评估等方面。
        3.2 施工技术风险指标体系
        煤矿企业是一个高风险行业，地下开采地质条件复杂，作业场所狭窄，环境恶劣，顶板、洪水、火灾、瓦斯、煤尘等5大灾害在煤矿实际生产过程中给煤矿带来了极大的安全隐患。随着生产的不断进行，新水平、新矿区、新工作面的不断发展，以及生产衔接等，增加了风险管理的复杂性。基于煤矿信息化建设，风险指标体系建设技术弱化了头脑风暴和专家经验在风险评估中的参与权重。它以煤矿安全规程等安全生产标准为基础，将多源实时感知的动态信息与安全管理过程等静态信息进行集成。该风险指数模型具有两个指标体系、五个主要指标组成、主要指标中因素的动态和静态组合、区域企业双重风险分析和指标权重的动态计算等主要特征。
        3.3 视频智能分析技术
        为确保煤矿安全生产，企业配备了视频监控系统。地面调度人员可以通过视频直接对井下进行实时监控，在安全生产、危险救援、调度指挥等方面发挥积极作用。然而，目前大部分的视频监控都是人工监控。由于人的生理特性，很容易产生疲劳等消极状态，难以实现实时、准确的监测。此外，复杂的环境使得目标难以区分，从而影响了监控人员的判断。智能视频分析技术在图像处理、模式识别、人工智能等领域，改变了之前的视频“被动”监控状态，不仅仅局限于提供视频图像，并且能够主动智能视频信息的分析，识别并区分对象，可定制的事件类型，一旦发现异常情况或紧急情况能够及时报警，它在安全生产中的应用将有助于克服人体疲劳的局限性，从而更有效地协助安全人员处理突发事件。智能视频分析技术能够自动提取和分析视频中的相关信息，具有提高报警精度、全天候自动监控、提高响应速度等一系列优点。
        4、结束语
        随着煤矿信息化建设的普及和深入，数据采集的广度扩大，数据分析的深度提高。未来智能煤矿安全控制大数据平台必将为生产管理者提供更广泛、更有效的决策支持。
        参考文献
        [1]王鹏.智慧矿山安全管控大数据平台建设探讨[J].煤炭工程，2020，52(08)：154-158.
        [2]庞义辉，王国法，任怀伟．智慧煤矿主体架构设计与系统平台建设关键技术 [J]．煤炭科学技术，2019，47( 3) ： 35－42．
        [3]谭章禄，马营营，郝旭光，等．智慧矿山标准发展现状及路径分析 [J]．煤炭科学技术，2019，47( 3) ： 27－34．